研究型实习生 - Agentic Search算法

参与 Agentic Search 模型的全链路研发：从检索/推理轨迹（Trajectory）数据构建、SFT 冷启，到 GRPO 等强化学习优化，端到端提升搜索智能体的规划、多轮检索与工具调用能力。

设计与迭代奖励机制：探索 rubric-based reward、RLVR 等方案，兼顾答案正确性、格式规范与工具使用效率，并主动识别与治理 reward hacking / 奖励过度优化问题。

优化智能体的上下文管理与推理效率：研究长轨迹下的上下文压缩、观察折叠、多模态检索等方向，在不降低效果的前提下压缩响应长度与调用开销。

参与 Trajectory 质量评估体系建设：从工具调用效率、错误率、指令遵循度、回复相关性等维度分析线上对话日志，反哺数据与奖励设计，形成闭环。

跟踪前沿并快速落地：将学术界最新的 Agentic Search / RL / Reward Modeling 工作转化为可验证的实验方案。

计算机、人工智能、统计等相关专业在读博士。

扎实的算法基础，熟练使用 Python 与 PyTorch，具备独立完成实验设计、执行与分析的能力。

熟悉 Agent / Tool-Use / RAG / 多轮检索推理范式，了解 ReAct 类框架与 search agent 的典型 pipeline。

具备良好的科研品味、独立思考能力与跨团队协作沟通能力，对前沿问题有持续热情，敢于挑战现有范式。

在NeurIPS、ICML、ICLR、ACL、EMNLP等大模型领域顶级会议以第一作者发表过论文者优先，研究方向与大语言模型、强化学习、Agent、多模态模型等强相关。